Distributed 纤维 Sensing
连续, long-distance, passive sensing along the route.
01 · 为什么选择 Imbak Canyon
高价值森林需要不同的研究方法。
雨林研究需要持续观察、空间分布和纵向背景。更多的观察不应自动意味着更多的人员到场。
持续观测
在实地考察之间扩展科学可见性，而非取代实地研究人员。
分布式测量
从孤立测量转向具有空间意义的研究覆盖。
最低必要存在
部署 only where scientific value justifies ecological presence.
研究 determines the technology. 科技 does not determine the research.
02 · 研究空白
实地考察之间的持续可见性。
Field expeditions, fixed stations, satellites and periodic 无人机 surveys remain essential. IDRCIN fills the gap: continuous, distributed, relocatable and low-presence monitoring.
实地考察
判断力和采样能力强，但零散且在场密集。
固定站点
在单一位置持续，但空间上不灵活且持久。
远程 Survey
大范围背景，但非连续局部测量。
IDRCIN
具有临时、可重新定位的现场层的分布式连续测量。
03 · Proposition
移动的科学网格。
传感层可随研究问题的演变而被回收、检查、校准和重新部署。
MAP
DEPLOY
OBSERVE
DETECT
RETRIEVE
RELOCATE
LEARN
04 · IDRCIN的工作原理
Map first. 纤维 first. 部署 selectively.
Reconnaissance, 数字孪生, ecological routing, ultra-light fibre, Distributed 纤维 Sensing, selective point instruments, the observatory layer and NeuralOps work as one research infrastructure.
04A · 纤维-首先 Sensing
一座观测站。两种互补的传感模式。
纤维 remains primary. Autonomous pods are sparse, specialised and used only where a physical probe is justified.
纤维 首先
研究-defined deployment自主专用点式传感
选择性、电池供电、低占空比且可回收。
纤维 senses continuously across space.
Autonomous pods 测量 specialised properties at selected points.
Sparse by 设计
river
soil
tree
canopy
No 新谜题 森林 Gateway 网络No towerNo relayNo communications hutNo in-forest gateway networkDesigned to avoid 新 terrestrial gateway infrastructure inside the protected forest. 卫星 / NTN, if considered, remains subject to field and regulatory validation.
Can fibre 测量 it?YES → FIBRE
如果为否，研究是否需要一个物理探针？研究 determines technology.
NO → DO NOT DEPLOYWireless capability is not permission.
YES → POD PILOT小, retrievable, subject to validation.
科学 传感器
Ultra-Low-电源 Controller
本地 Buffer
LoRa
Battery
Antenna
传感器
本地 处理中
小 有效载荷 / Event
IDRCIN 平台
NeuralOps
研究员
纤维 首先 · Specialised Measurements Only · Less Permanent 基础设施 · Retrieve. 再利用. 重新部署.
05 · 冠层 部署
在研究点处极其轻量。
The spool deploys and recovers the primary fibre infrastructure. Autonomous 科学 Pods are separate, small research instruments used only at approved specialist points.
纤维 Remains Primary
集成式线轴支持超轻型光纤路由、受控放线与回收。
Specialised Point Only
One specialised sensor 映射到 one small autonomous pod where fibre is scientifically insufficient.
Retrieve / 再利用 / 重新部署
吊舱采用电池供电、本地缓冲，并回收以供检查、校准与迁移。
06 · 研究 容量
Sets A / B / C.
冗余是空间性的，而非在每个研究点内重复。 The separate Autonomous 科学 Pod 试点 Pool is pending asset-level reconciliation and is not added to these locked counts.
4研究 Zones
48活动 传感器 路径点
36Primary 路径点
12Redundancy / 控制
07 · 可靠性
可靠性 is budgeted from day one.
第二阶段 includes a complete replacement reserve rather than assuming tropical field hardware will never 失败.
48活动
+481-to-1 Replacement
+6紧急 Pool
共102个传感器组件。
08 · Drone 车队
运行中 redundancy where it matters.
一个侦察平台加两架可部署/回收的飞行器。
01侦察/测绘
LiDAR, RGB, 数字孪生, route verification and inspection.
02Primary 部署
线轴部署、传感器放置、光纤操作和回收。
03备份 部署
运行中 redundancy and retrieval resilience.
09 · 智能 架构
保持传感器简单。将智能内移。
分布式光纤与小型接收或回收吊舱记录汇聚于 IDRCIN 平台。LoRa 传输紧凑的科学载荷或事件，而非原始高带宽数据流。
IDRCIN 平台
采集、本地存储、健康监测与确定性验证。
NeuralOps
仅在有用时才进行跨传感器背景与 AI 推理，而非每个吊舱配备一个持续运行的 LLM。
研究 智能
数字孪生, dashboards, traceable evidence and researcher access.
10 · 研究 scope
探索 60 research programmes.
宣讲保持摘要级别。LoRa 并未强行用于全部 60 项研究：光纤、自主点传感、混合与遥感研究均按其科研需求使用相应模式。
打开 the 研究 Observatory 获取完整技术矩阵。
10 · Presence vs 影响
没有零影响的监测系统。
IDRCIN 旨在实现低例行人员在场、临时性技术设施与高空间灵活性。无线能力并不等于获得生态许可。
纤维 首先
在增添另一台物理仪器之前，先利用分布式基础设施。
Specialised Only
部署 a pod only for a research-defined property fibre cannot adequately provide.
Less Permanent 基础设施
设计上避免在森林内部新增铁塔、中继站、通信小屋与网关网络。
Retrieve / 再利用
临时性、可搬迁的仪器设备，并有明确的回收责任。
Drone 噪音
野生动物互动
光纤挂绊
Battery / 电子产品
RF 不确定性
Retrieval 故障
Do-Not-部署 Principle: if fibre is adequate, a physical probe is unnecessary or scientific value is insufficient, do not deploy.
11 · ESG & 碳
更少在场，更少碳排放。
IDRCIN 对能源和碳进行预算，而非回避假设。
IDRCIN vs 手动
更少的人工往返
无人机部署、可回收的传感减少了重复进入和持续足迹。
NeuralOps vs 全功能 AI
本地-first
验证 on-premise; heavy cloud LLM used sparingly, on demand.
碳 & 能源
已计量，包括 TNB
DAQ/HQ 的电网电力已预算并披露，而非假设。
运营碳减排的两个层面
IDRCIN旨在以下层面实现碳减排 物理研究层 通过减少重复的现场动员。NeuralOps 在以下层面实现碳减排： 数字智能层 通过减少不必要的 AI 处理。
“减少森林中不必要的移动。减少 AI 中不必要的计算。”
物理研究层
IDRCIN与传统/人工监测对比
初步情景估算
手动 监控
12 campaigns2 × 4×4
7,200 km × 0.256 = 1,843.2 kg
0
吨 CO₂e / 年
VS
IDRCIN
6 inspections1 × 4×4
无人机充电 · 180千瓦时/年
460.8 + 97.0 = 557.8 kg
0
吨 CO₂e / 年
≈ 70% LOWER运营现场排放
本对比侧重于运营阶段的现场排放，主要是地面运输和无人机用电。尚未包含制造车辆、无人机、传感器、光纤、电池或基础设施所产生的完整全生命周期隐含碳排放。项目实际数值日后应以实测的车辆行驶公里数、燃油升数、无人机电池充电千瓦时、现场任务次数和回收任务次数替换。
数字智能层
NeuralOps与全AI处理对比
工作量对比
全功能 AI
大型 AI 工作量32B 令牌
VS
NeuralOps
路由后 / 分离过滤后2.5B 令牌
≈ 92.2% LESS可变 AI 工作量
全系统能源模型：30%固定基础设施 + 70%可变部分。NeuralOps = 30% + (70% × 2.5/32) = 35.47%。
≈ 64.5% LOWER估算的全系统计算足迹
示例说明 基于现有的年度全AI基线360千克CO₂e当量：全AI ≈ 360千克；NeuralOps ≈ 128千克；估计减少排放 ≈ 232千克CO₂e当量/年。此数据未经外部审计。
IDRCIN减少了重复的物理动员。
NeuralOps 减少不必要的 AI 计算。
NeuralOps 减少不必要的 AI 计算。
以更少的运营开销获得更多科学智能——在森林边缘和计算层都实现高效。
从估算 → 实测
物理层
- 车辆公里数
- 燃料消耗
- 无人机电池千瓦时
- 任务数量
- 人工现场工时
数字层
- 总令牌数
- 模型调用
- 服务器 / DAQ 电力
- 云端工作负载 · 存储 · 网络
未来 KPI
千克 CO₂e / 研究点千克 CO₂e / 监测月千克 CO₂e / GB 验证数据千克 CO₂e / 研究成果
目标：在 POC / 试点期间用实测运营 ESG 数据取代初步情景估算。
11 · 试点 Programme
先证明，再扩展。
The programme is stage-gated. The Autonomous 科学 Pod element is a small validation pilot, not approved full deployment.
第一阶段 · POC
RM500K3–4 月份
验证 core deployment, communication, retrieval and ecological assumptions.
第二阶段 · 完整 试点
RM2.0M12 月份
4 zones, 48 激活 points, 102 sensor assemblies, 3-aircraft fleet, DAQ, NeuralOps, TM 云 and full lifecycle validation. The separate pod pilot pool remains pending asset reconciliation.
RF + Battery
验证 link feasibility, low-duty operation and measured consumption.
科学 + Survivability
验证 sensor usefulness, enclosure performance and ecological footprint.
Retrieval
回收, inspect, calibrate and decide whether reuse or redeployment is justified.
试点 subject to BOM validation and reallocation 在 existing Phase-2 envelope. 决策 闸门: GO · MODIFY · STOP.
12 · The Ask
RM2.5M 潜在项目 分阶段把关。
并非无条件的RM250万承诺。RM50万用于资助概念验证（POC）。只有在成功验证后，RM200万才会继续推进。
第一阶段
RM500K证明 of 概念
GO
MODIFY
STOP
MODIFY
STOP
第二阶段
RM2.0M12-月份 完整 试点
13 · RM200万的去向
资金创造完整的研究能力。
初步规划预算。最终数值仍取决于详细设计、场地评估、研究需求和供应商报价。
Drone 车队, LiDAR & Aerial 系统
RM390,000
冠层 纤维 Corridor & 恢复
RM204,000
Spool, 纤维, Quick Release & 恢复
RM210,000
Observatory Backbone & 连接性
RM220,000
NeuralOps & 数字化 平台
RM200,000
Mapping & Temporal 数字孪生
RM90,000
Field 运营 & 物流
RM150,000
科学 & 生态 监控
RM120,000
监管, 安全, Insurance & 训练
RM70,000
校准, QA & Spares
RM70,000
AINNA 系统 集成 / PM
RM220,000
Contingency / Field 风险 预留
RM56,000
第二阶段总预算：RM2,000,000
14 · After 第二阶段
Imbak 的成功部署直接进入稳定状态。
全面试点后，Imbak 直接进入运营稳定状态，年度规划成本可预测且适中。
~RM1.0MPlanning 基线 / 年份
指示性稳定状态范围：每年 RM0.8M–RM1.2M。
Annual OPEX
运营 · 维护 · Calibrate · Retrieve · 重新部署 · 云 / 数据 · 研究 支持 · Ecology
15 · 可选 Expansion
扩展是可选的 而非自动的。
像马廖盆地这样的未来区域将是一个独立的项目，拥有自己的测绘、传感器部署、DAQ基础设施、生态基线和验证。
IMBAK运行中 网络
MALIAU?Separate 可选 Programme
16 · 治理
科学优先。保护始终。
科学, ecological and engineering governance connect through joint steering and explicit GO / MODIFY / STOP authority.
科学
研究 questions determine whether fibre, a specialist pod or no additional instrument is required.
生态
限制区域、干扰限制、在场预算和停止权限。
工程
无人机、光纤、独立试点清单、电源、射频验证、NeuralOps 与回收。
